基于注意力机制的脑电情绪识别方法研究

发布时间：2021-03-12 16:38

　　长期以来,脑电（Electroencephalogram,EEG）就是一种被学者们广泛研究的生理信号,由于其具备时间分辨率高、空间分布广等特性,在脑机接口、人工智能以及医疗健康等领域都有成功应用。近年来,基于脑电情绪识别的研究是国内外研究的热点,其本质是计算机通过机器学习等算法处理分析受试者的脑电信号,实现识别受试者此时的情绪状态。当下,由于深度学习可以深度挖掘数据中的信息,在很多领域明显提升了识别精度,而被研究者们用于脑电情绪识别研究。基于深度学习方法的脑电情绪识别分为两种,一是采用深度学习方法对人工设计的特征分类,但这种先人工提取相应的脑电特征,之后用深度学习方法分类的方法流程需要更多依赖人工因素;二是依赖数据本身特性,直接用深度学习方法对原始数据分类,减少在识别过程中人工因素的影响。本文拟研究一种端对端的数据驱动方法,分别使用了通道注意力机制提取原始脑电信号中更具判别性的空间信息,使用自注意力机制提取脑电信号中更具判别性的时间信息,提出了一种基于注意力机制的注意力卷积循环神经网络,可以直接从原始脑电信号中学习情绪相关特征并以此分类,实现端到端的情绪识别。本文主要探索在深度学习中采... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

基于深度学习方法的脑电研究调研

脑电情绪识别研究中的脑电形式

多导联电极帽脑电采集设备图

【参考文献】：
期刊论文
[1]面向情绪识别的脑电特征研究综述[J]. 张冠华,余旻婧,陈果,韩义恒,张丹,赵国朕,刘永进.  中国科学:信息科学. 2019(09)



本文编号：3078628